幫助中心 | 我的帳號 | 關於我們

開放環境下的度量學習研究/CCF優博叢書

  • 作者:葉翰嘉|責編:梁偉//游靜
  • 出版社:機械工業
  • ISBN:9787111713678
  • 出版日期:2023/01/01
  • 裝幀:平裝
  • 頁數:219
人民幣:RMB 47 元      售價:
放入購物車
加入收藏夾

內容大鋼
    本書以模型在開放環境下輸入、輸出層面上面臨的挑戰為切入點,提出針對或利用度量學習特性的具體演算法,從理論和應用等多個角度使度量學習的研究能夠契合開放的環境。
    本書從理論上分析了度量學習的泛化能力,提出了降低樣本複雜度的策略;提出了一種應用度量語義變換在小樣本情況下應對特徵變化的學習方法;提出了能夠靈活挖掘並自適應利用開放環境中複雜語義的多度量學習框架;提出了一種利用分佈擾動以適應輸入特徵和對象關係雜訊的度量學習方法。
    本書提出的理論和方法可以為度量學習相關領域的研究生或從業人員提供一些借鑒和幫助。

作者介紹
葉翰嘉|責編:梁偉//游靜
    葉翰嘉,現任南京大學人工智慧學院副研究員,在南京大學機器學習與數據挖掘研究所(LAMDA)從事學術研究工作。主要研究方向包括表示學習、元學習、模型復用等,相關研究成果已經被用於開放環境系統、小樣本系統等實際場景。在人工智慧、機器學習領域以第一作者身份發表學術論文20余篇;擔任多個國內外頂級學術期刊和會議的審稿人;曾獲2021年度CCF優秀博士學位論文獎、江蘇省電腦學會青年科技獎。

目錄
第1章  緒論
  1.1  引言
  1.2  度量學習簡介
  1.3  開放環境的特點
  1.4  開放環境的研究進展
  1.5  本書概要
第2章  度量學習研究進展
  2.1  監督學習
  2.2  度量學習
    2.2.1  距離度量
    2.2.2  度量學習的學習目標
    2.2.3  度量學習演算法評測
  2.3  度量學習的相關演算法
    2.3.1  全局度量學習方法
    2.3.2  多度量學習方法
    2.3.3  高效度量學習方法
  2.4  開放環境下度量學習的研究思路
第3章  開放環境下度量學習的樣本複雜度分析
  3.1  引言
  3.2  現有的度量學習理論結果
  3.3  基於函數性質的度量學習樣本複雜度改進
    3.3.1  基本定義
    3.3.2  主要結論及討論
  3.4  基於度量重用的度量學習樣本複雜度
  3.5  實驗驗證
  3.6  本章小結
第4章  基於度量學習和語義映射的異構模型修正
  4.1  引言
  4.2  相關工作
  4.3  基於度量語義映射的模型重用框架REFORM
    4.3.1  符號表示
    4.3.2  同構空間中的模型重用
    4.3.3  異構特徵空間中的重用模型
    4.3.4  代價矩陣和特徵元表示
    4.3.5  EMIT:編碼特徵元信息
  4.4  模型重用框架REFORM的具體實現
    4.4.1  自適應尺度的REFORM實現方法
    4.4.2  學習變換的REFORM實現方法
  4.5  實驗驗證
    4.5.1  不同參數設置下人造數據集的分類任務
    4.5.2  不同時間段下的用戶質量分類
    4.5.3  不同時間段下的論文主題分類
  4.6  本章小結
第5章  多語義環境下的多度量學習方法探究
  5.1  引言
  5.2  多度量學習方法的相關工作
  5.3  考慮多語義的多度量學習方法UM2L
    5.3.1  統一的多度量學習框架
    5.3.2  基於運算元k引申出的多樣化語義
    5.3.3  UM2L統一的求解演算法

    5.3.4  UM2L的泛化性能分析
    5.3.5  UM2L的深度度量學習擴展
  5.4  多度量自適應選擇框架LIFT
    5.4.1  LIFT框架的主要思想與討論
    5.4.2  LIFT框架的理論分析
    5.4.3  LIFT框架優化策略
    5.4.4  LIFT方法的全局度量版本
  5.5  實驗驗證
    5.5.1  分類性能測試
    5.5.2  UM2L在不同類型實際問題中的應用
    5.5.3  LIFT自適應性驗證
  5.6  本章小結
第6章  考慮雜訊影響的開放環境魯棒度量學習
  6.1  引言
  6.2  相關工作
  6.3  考慮樣本擾動的魯棒度量學習DRIFT
    6.3.1  度量學習中的樣本雜訊擾動
    6.3.2  DRIFT的優化方法
    6.3.3  DRIFT演算法的優化加速
  6.4  實驗驗證
    6.4.1  人造數據集上的可視化實驗
    6.4.2  實驗數據集上的演算法性能比較
    6.4.3  演算法的魯棒性測試
  6.5  本章小結
第7章  總結與展望
  7.1  本書工作總結
  7.2  未來研究展望
參考文獻
致謝
叢書跋

  • 商品搜索:
  • | 高級搜索
首頁新手上路客服中心關於我們聯絡我們Top↑
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話:02-2381-2033 02-2381-1863 時間:週一-週五 10:00-17:00
 服務信箱:bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證:浙B2-20060032